Bilim insanları, sürücüsüz otomobillerin yoldayken doğrudan bağlantı kurmaya gerek kalmadan birbirleriyle anlık ve doğru bilgileri paylaşmasını sağlayacak çığır açan bir yapay zeka modeli geliştirdi. “Önbellekli Merkezi Olmayan Birleşik Öğrenme” (Cached-DFL) adı verilen bu sistem, araçlar arasında adeta bir ‘sosyal ağ’ oluşturarak önemli sürüş bilgilerinin paylaşımını sağlıyor.
Bu yeni teknoloji, araçların karşılaştıkları navigasyon zorlukları, güncel trafik düzenleri, yol koşulları ve hatta trafik işaretleri/sinyalleri gibi konularda edindikleri en son bilgileri birbirlerine aktarmalarına olanak tanıyor. Mevcut otonom araç sistemleri genellikle verileri merkezi bir konumda saklar, bu da büyük veri ihlali risklerini artırır. Ancak Cached-DFL sistemi, araçların bu bilgileri kendi üzerlerinde taşıdıkları eğitilmiş yapay zeka modellerinde saklamasını sağlıyor.
Cached-DFL ile bilim insanları, arabaların birbirlerinin sürüş keşiflerini içeren profil sayfalarını görüntüleyebildiği yarı-sosyal bir ağ oluşturdu. Üstelik bu paylaşım, sürücünün kişisel bilgileri veya sürüş alışkanlıkları ifşa edilmeden gerçekleşiyor. Araçların bilgi paylaşımı için sanal olarak yan yana olmalarına veya özel izinler vermelerine gerek kalmıyor.
NYU Tandon Mühendislik Okulu’ndan projenin araştırma yöneticisi Dr. Yong Liu, sistemi şöyle anlatıyor:
“Bunu, kendi kendine giden arabalar için paylaşılan bir deneyimler ağı oluşturmak gibi düşünün. Sadece Manhattan’da kullanılmış bir araba, hiç oraya gitmese bile diğer araçlardan Brooklyn’deki yol koşulları hakkında bilgi edinebilir.”
Örneğin, Brooklyn’de oval şekilli çukurlar varsa, araçlar dünyanın neresinde olursa olsun oval çukurlarla nasıl başa çıkılacağına dair öğrendiklerini paylaşabilirler.
Otonom Sürüş Daha Verimli Hale Geliyor
Bilim insanları, Manhattan’ın simüle edilmiş bir versiyonunda 100 sanal otonom araçla testler gerçekleştirdi. Bu testler, araçlar arasındaki hızlı ve sık iletişimin, sürüş verilerinin verimliliğini ve doğruluğunu artırdığını gösterdi. Araçlar, birbirlerine 100 metre mesafede oldukları sürece, birbirlerini ‘tanımalarına’ gerek kalmadan bilgi alışverişinde bulunabildiler.
Florida Üniversitesi’nden Dr. Jie Xu, merkezi olmayan yapının avantajını şöyle belirtiyor:
“Ölçeklenebilirlik, merkezi olmayan Birleşik Öğrenme’nin (FL) temel avantajlarından biridir. Her arabanın merkezi bir sunucuyla veya diğer tüm arabalarla iletişim kurması yerine, her araç yalnızca karşılaştıklarıyla model güncellemelerini değiş tokuş eder. Bu yerelleştirilmiş paylaşım yaklaşımı, ağa daha fazla araba katıldıkça iletişim yükünün katlanarak artmasını önler.”
Araştırmacılar, Cached-DFL’nin işlem yükünü tek bir sunucu yerine birçok araca dağıtarak bilgi işlem gücü ihtiyacını azaltacağını ve böylece otonom sürüş teknolojisini daha uygun maliyetli hale getireceğini öngörüyor.
Yazılım ve güvenlik şirketi Aptiv’den Javed Khan ise şunları ekliyor:
“Merkezi olmayan birleşik öğrenme, kullanıcı gizliliğinden ödün vermeden işbirlikçi öğrenme için hayati bir yaklaşım sunuyor. Modelleri yerel olarak önbelleğe alarak, merkezi sunuculara olan bağımlılığı azaltıyor ve otonom sürüş gibi güvenlik açısından kritik uygulamalar için çok önemli olan gerçek zamanlı karar almayı geliştiriyoruz.”
Kendi Kendine Giden Arabalar Birbirleriyle Konuşacak: Yeni Yapay Zeka Teknolojisi ‘Sosyal Ağ’ Kuruyor! yazısı ilk önce BeeTekno | Güncel Teknoloji Haberleri ve İncelemeler yayınlanmıştır.